An effective characterization procedure for petroleum reservoir fluids using molecular type methods and cubic equations of state
Notice bibliographique
Résumé
Abstract Two eminent molecular type composition methods (paraffins, naphthenes, and aromatics [PNA] and saturates, aromatics, and polynuclear aromatics [SAP]) are employed to construct new characterization procedures for predicting the phase behaviour of petroleum fluids using a modified Peng–Robinson equation of state. The PNA and SAP methods divide a petroleum fraction into (PNA) and (SAP) homologous groups, respectively. Two generalized models are developed to predict the physical properties () and equation of state (EOS) parameters () for both PNA and SAP sub‐fractions. Each generalized model covers 18 different correlations in a single mathematical form that enables the model to return 18 outputs for PNA and SAP sub‐fraction parameters. A new lumping method is also developed to convert triple PNA or SAP pseudo‐components into single characterized fractions. Accordingly, seven different characterization procedures are introduced and compared with one another. The first two procedures are completely constructed based on the proposed models, and the other procedures encompass the models already developed. The results obtained from the simulation of the differential liberation test for 12 diverse reservoir fluids and bubble pressure prediction for 40 oil samples revealed that the first two methods (1 and 2) could enhance the abilities of the traditional characterization procedures for reservoir fluid modelling. The mean value of average absolute relative deviations (AARDs) over a total of 52 oil samples is about 6.5% for the proposed methods and is about 13.2% for the best previously existing methods. Moreover, an efficient workflow is provided for the parameter tuning process, which is notably capable of reducing the level of prediction errors using only three adjustable parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».